[發明專利]基于聯邦學習的預測方法、裝置、存儲介質及遙感設備

在審

• 申請號: 202010164191.0
• 申請日: 2020-03-10
• 公開（公告）號: CN111382706A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 黃安埠;劉洋;殷磊
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 黃嗣童

本發明公開了一種基于聯邦學習的預測方法、裝置、存儲介質及遙感設備，該方法包括：根據本地訓練數據對初始模型進行訓練，獲得單方預測模型；將所述單方預測模型傳輸至地面信息中心，由所述地面信息中心將對應于若干個遙感設備的若干個所述單方預測模型進行聚合獲得聯邦預測模型，所述聯邦預測模型包括若干個聯邦分模型；接收對應的聯邦分模型，并基于所述聯邦分模型對待預測本地數據進行預測，獲得預測標簽。由此，通過在遙感設備本地進行模型訓練，并基于聯邦學習實現了高空數據的綜合利用，打破了數據傳輸的技術瓶頸。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種基于聯邦學習的預測方法、裝置、存儲介質及遙感設備。

背景技術

隨著計算機技術的發展，越來越多的技術(大數據、分布式、區塊鏈Blockchain、人工智能等)應用在金融領域，傳統金融業正在逐步向金融科技(Fintech)轉變，但由于金融行業的安全性、實時性要求，也對技術提出了更高的要求。

當前越來越多的人造衛星等遙感設備在高空中運行，并執行各自的任務，獲得對應的數據。眾所周知，遙感技術難度高、耗資大，遙感設備獲得的數據都很珍貴，若要綜合利用各個遙感設備的數據，則需要將這些數據匯總到地面信息中心，由地面信息中心進行數據分析和處理。但是遙感設備與地面信息中心存在網絡延時，且遙感設備獲得的高空數據的數據量巨大，對網絡寬帶的要求較高，進而數據傳輸成為了技術瓶頸。

發明內容

本發明提供一種基于聯邦學習的預測方法、裝置、存儲介質及遙感設備，旨在實現高空數據的綜合利用，打破數據傳輸的技術瓶頸。

為實現上述目的，本發明提供一種基于聯邦學習的預測方法，所述方法應用于遙感系統，所述方法包括：

根據本地訓練數據對初始模型進行訓練，獲得單方預測模型；

將所述單方預測模型傳輸至地面信息中心，由所述地面信息中心將對應于若干個遙感設備的若干個所述單方預測模型進行聚合獲得聯邦預測模型，所述聯邦預測模型包括若干個聯邦分模型；

接收對應的聯邦分模型，并基于所述聯邦分模型對待預測本地數據進行預測，獲得預測標簽。

優選地，所述根據本地訓練數據對初始模型進行訓練，獲得單方預測模型的步驟包括：

隨機獲得初始模型參數，利用所述初始模型參數獲得所述本地訓練數據的初始預測標簽，基于所述初始預測標簽和所述本地訓練數據的實際標簽計算損失函數；

基于所述損失函數，通過梯度下降的方式更新模型參數；

若達到收斂條件則停止更新，并將對應的模型參數保存為最終模型參數，以此獲得單方預測模型。

優選地，所述若干個遙感設備具有不同的傾角，所述基于所述聯邦分模型對待預測本地數據進行預測，獲得預測標簽的步驟之前還包括：

判斷各個所述遙感設備的待預測本地數據是否包括若干個相同維度的目標數據；

若各個所述遙感設備的待預測本地數據包括若干個相同維度的目標數據，則執行步驟：基于所述聯邦分模型對待預測本地數據進行預測，獲得預測標簽。

優選地，所述根據本地訓練數據對初始模型進行訓練，獲得單方預測模型的步驟之前還包括：

通過控制系統接收所述地面信息中心發送的指令，根據所述指令執行任務，獲得所述本地數據，所述本地數據包括圖像數據；

對所述本地數據進行預處理，獲得本地訓練數據。

優選地，所述判斷各個所述遙感設備的待預測本地數據是否包括若干個相同維度的目標數據的步驟包括：

基于預測任務確定若干個待判斷維度；